CN112015518B - 增量式部署sdn环境下实现多虚拟机实时迁移方法及系统 - Google Patents
增量式部署sdn环境下实现多虚拟机实时迁移方法及系统 Download PDFInfo
- Publication number
- CN112015518B CN112015518B CN202010879713.5A CN202010879713A CN112015518B CN 112015518 B CN112015518 B CN 112015518B CN 202010879713 A CN202010879713 A CN 202010879713A CN 112015518 B CN112015518 B CN 112015518B
- Authority
- CN
- China
- Prior art keywords
- migration
- sdn
- node
- virtual machines
- sdn forwarding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000005012 migration Effects 0.000 title claims abstract description 199
- 238000013508 migration Methods 0.000 title claims abstract description 199
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000009977 dual effect Effects 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45595—Network integration; Enabling network access in virtual machine instances
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于计算机网络领域，提供了增量式部署SDN环境下实现多虚拟机实时迁移方法，其中，该多虚拟机实时迁移方法包括将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；获取迁移任务相关参数，基于原始对偶求解多虚拟机迁移问题模型，得到对应链路上实时可控流大小及该可控流量是否开始传输；在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有链路实时可控流大小及该可控流大小是否开始传输；其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大。
Description
技术领域
本发明属于计算机网络领域，尤其涉及一种增量式部署SDN环境下实现多虚拟机实时迁移方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
软件定义网络(Software Defined Network，SDN)是由美国斯坦福大学CLeanState课题研究组提出的一种新型网络创新架构，是网络虚拟化的一种实现方式。其核心技术OpenFlow通过将网络设备的控制面与数据面分离开来，从而实现了网络流量的灵活控制，使网络作为管道变得更加智能，为核心网络及应用的创新提供了良好的平台。SDN是下一代主干网的有力候选者。它将控制与转发分离，因而具有极强的流控制能力。发明人发现，大规模部署纯SDN需要耗费的时间较多，多虚拟机迁移实时性差，导致网络拓扑系统的网络流量的利用率低。
发明内容
为了解决上述问题，本发明提供一种增量式部署SDN环境下实现多虚拟机实时迁移方法及系统，其能够最小化虚拟机迁移对已知网络拓扑系统性能产生的影响，减少多虚拟机实时迁移的时间，提高网络拓扑系统的网络流量的利用率。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种增量式部署SDN环境下实现多虚拟机实时迁移方法。
一种增量式部署SDN环境下实现多虚拟机实时迁移方法，包括：
将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；
获取迁移任务相关参数，基于原始对偶求解多虚拟机迁移问题模型，得到对应链路上实时可控流大小及该可控流量是否开始传输；
在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有链路实时可控流大小及该可控流大小是否开始传输；
其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大。
本发明的第二个方面提供了一种增量式部署SDN环境下实现多虚拟机实时迁移系统。
一种增量式部署SDN环境下实现多虚拟机实时迁移系统，包括：
迁移任务获取模块，其用于将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；
迁移问题模型求解模块，其用于获取迁移任务相关参数，基于原始对偶求解多虚拟机迁移问题模型，得到对应链路上实时可控流大小及该可控流量是否开始传输；
迁移任务更新模块，其用于在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有链路实时可控流大小及该可控流大小是否开始传输；
其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大。
本发明的第三个方面提供了一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的增量式部署SDN环境下实现多虚拟机实时迁移方法中的步骤。
本发明的第四个方面提供了一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的增量式部署SDN环境下实现多虚拟机实时迁移方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；基于原始对偶求解多虚拟机迁移问题模型，其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大，在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有迁移路径实时带宽，实现了最小化虚拟机迁移对已知网络拓扑系统性能产生的影响，减少了多虚拟机实时迁移的时间，提高了网络拓扑系统的网络流量的利用率。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例的增量式部署SDN的高层系统结构示意图；
图2是本发明实施例的增量式部署SDN环境下实现多虚拟机实时迁移方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本实施例旨在解决增量式部署SDN环境下的多虚拟机实时迁移问题目标是最小化虚拟机迁移对系统性能产生的影响，这一指标用数学表述就是最小化这一系列虚拟机的总迁移时间。在待解决的问题中，多个虚拟机可以网络带宽允许的情况下，同时进行迁移，实现迁移时间最短的方法是令每个时间段的总迁移速率最大。
参照图2，本实施例的增量式部署SDN环境下实现多虚拟机实时迁移方法，包括：
步骤1：将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；
步骤2：获取迁移任务相关参数，基于原始对偶求解多虚拟机迁移问题模型，得到对应链路上实时可控流大小及该可控流量是否开始传输；
步骤3：在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有链路实时可控流大小及该可控流大小是否开始传输；
其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大。
本实施例中，以B4拓扑为研究对象。B4是谷歌公司架设的数据中心间广域网拓扑，该拓扑中包含12个数据中心和19条链路。
下面以在B4拓扑中只部署3个SDN转发节点，剩余的9个节点皆为传统转发节点为例：拓扑中SDN转发节点的部署位置是给定的。先对多虚拟机实时迁移问题进行建模，然后再进行求解。
某时间段的某虚拟机i的迁移速率msi用的是2015年infocom的wang等人的文献中提出的单虚拟机迁移模型：
msi＝li-di,
其中li为虚拟机i迁移所需的带宽，di表示虚拟机i的脏页率。基于上述公式，该时间段拓扑中的所有虚拟机的总迁移速率可表示如下：
其中m表示需迁移的虚拟机的数目，xi表示此时虚拟机i是否迁移。由于SDN转发节点有限，在增量式部署的SDN环境中无法做到纯SDN环境下的流控制粒度。在本实施例中，SDN转发节点可以通过注入最短路径树上的传统转发节点来实现对这些传统网络节点的控制。将被相同SDN转发节点注入并且有相同目的节点的虚拟机捆绑为一个迁移任务。一个迁移任务中包含多个需要同时迁移的虚拟机。一个迁移任务就是本实施例中最小的可控单元，当其开始迁移时，其中所有的虚拟机一起迁移。对于某迁移任务k，假设其中有z个虚拟机。那么任务k的总迁移速率msk可以通过如下方式推导：
其中dk表示迁移任务k中所有虚拟机的脏页率总和，lk表示分配给任务k的总带宽，布尔变量Xk表示此刻迁移任务k是否开始迁移，
表示迁移任务k的传输路径集合。
基于上述虚拟机的捆绑和迁移任务的迁移速率，本实施例将多虚拟机迁移问题建模如下的混合整数规划问题：
lk≤βXk，k＝1，...，K (3)，
Xk∈{0，1}，k＝1，...，K (5)，
其中x(P)表示链路e上的可控流大小，β表示一个足够大的常数，
表示迁移任务k的传输路径集合，它是
的简写，也即起始点为uk，且终点为tk的流所走路径的集合。E表示链路集合；
迁移任务的传输路径集合。K为迁移任务总数。
约束条件(1)保证了链路e上的所有不可控流量g(e)与可控流量的总和不会超过链路容量c(e)。约束条件(2)则表示应该被分配给迁移任务k的带宽。约束条件(3)保证了Xk值为0时，分配给任务k的带宽为0。约束(4)保证了链路e上的可控流量大小不可为负。而最后一个约束条件则为自变量规定了定义域。当新任务到来或旧任务结束时，我们将会以更新的迁移任务集合作为优化问题的输入进行重新计算。
在实际的情况中，脏页率dk的值要远小于带宽lk的值。故而，目标函数简化为
之后，再移除中间变量lk，我将上面的混合整数规划问题转化为如下的线性规划问题：
其中b(e)＝c(e)-g(e)表示链路e上可控流的可用带宽。上述线性规划的目标函数表示网络拓扑中所有的可控流之和，或是分配给可控流的总带宽。实际上，转化后的问题是一个典型的最大多商品流问题。人们提出了大量的近似算法来对其进行快速求解。本实施例基于Garg等人提出的完全多项式时间近似算法解决化简后的线性规划问题。这种方法基于原始对偶，完全无需考虑商品流个数就能快速求解最大多商品流问题。
上述数学描述解决的是某时刻总迁移速率最大的问题。本发明解决的是多虚拟机的总迁移时间最小的问题，需要尽量使得每个时刻的虚拟机迁移速率最大。每当一个迁移任务完成传输，将此时刻新加入的虚拟机迁移任务和未完成的虚拟机迁移任务作为算法的新输入，重复运行上段描述的迁移算法。
除了最小化总迁移时间或最大化迁移速率，本实施例还考虑了SDN转发节点部署位置对于总迁移时间的影响。多虚拟机的总迁移速率还与SDN转发节点的部署位置相关。
之后，本实施例在节点数量少的几种网络拓扑中，在SDN转发节点部数量固定的情况下，通过穷举的方式对SDN转发节点部署位置对虚拟机迁移时间的影响进行研究。本实施例对各种情况运行了算法，计算出了总迁移时间。基于这部分实验，我们发现节点的出入度以及该节点与其他SDN转发节点之间的距离对于多虚拟机总迁移时间有很大的影响。我们发现一个节点的出入度越大被部署SDN转发节点的可能性越高，一个节点距离其他SDN转发节点的位置越远被部署SDN转发节点的可能性越高。之后在复杂的拓扑中，我们优先选取出入度最高且相距距离最远的几种组合开展实验，选取其中总迁移时间最小者作为SDN转发节点的部署方案。
本实施例在部署方式不变的情况下，给出了拓扑中SDN转发节点的数量对多虚拟机总迁移时间的影响关系：
在SDN转发节点部署位置和拓扑本身不发生变化的基础上，基于本实施例中的SDN节点部署方式在原拓扑中增加新的SDN转发节点。最终，我们以SDN转发节点数量为坐标横轴，多虚拟机总迁移时间为纵轴研究SDN节点数量对总迁移时间的影响。其中，SDN转发节点越多，表示网络拓扑的性能越高，迁移时间总体上会越小。
在增量式部署SDN环境下实现了多虚拟机实时迁移，先将多虚拟机实时迁移问题建模为一个混合整数规划问题，然后将其化简为线性规划问题，最终使用原始对偶方法将问题解决。得到在相应时间段，每个流是否开始传输。结果是一个矩阵，值为1，对应的流传输。0则此时不传输。
其中，增量式部署SDN拓扑中SDN控制节点有限，且存在使用传统OSPF协议的传统转发节点，无法像SDN环境那样细粒度地对流进行控制，因此增量式部署SDN下解决多虚拟机实时迁移问题的方式与纯SDN环境下的完全不同。
整个拓扑中只有部分SDN节点部署，剩余节点均为传统转发节点，该拓扑中的SDN控制器只能够直接控制SDN转发节点的数据转发，这种流控制功能是通过SDN转发节点中保存的转发表来实现的，而剩下的传统转发节点则是基于OSPF协议运行的，它们并未意识到SDN转发节点与SDN中央控制器的存在，SDN控制器有一定的方法来得知网络中每条链路当前的OSPF权重和流量大小，我们对SDN转发节点进行了一定的修改以确定SDN转发节点和网络中所有其他节点之间的流量，我们还对SDN转发节点的部署位置和数量进行了研究。
在SDN转发节点存储的转发表中新加入一列来记录网络中可以到达目的节点IP地址的转发节点。
当一个数据包由SDN转发节点处理时，SDN转发节点将通过对目的节点IP地址进行最长前缀匹配来决定下一跳，同时根据包的长度递增对应目标节点的计数器的值。
SDN控制器得知网络中每条链路当前的OSPF权重和流量大小的方法，其特征在于：在运行OSPF协议的传统网络环境下，网络节点会相互交换网络中链路的可用带宽信息，因此SDN控制器可以获得网络中每条链路当前的OSPF权重和流量大小。
通过合理地部署SDN转发节点能够增强整个增量式部署SDN拓扑的流控制能力，我们计算在拓扑中各节点部署SDN转发节点的可能性，我们选择可能性数值最高的几处节点来部署SDN转发节点。
根据节点的出入度以及该节点与其他SDN转发节点之间的距离来计算在该处部署SDN转发节点可能性的数值，具体来说，一个节点的出入度越大被部署SDN转发节点的可能性越高，一个节点距离其他SDN转发节点的位置越远被部署SDN转发节点的可能性越高。
每个SDN转发节点同时控制被该节点注入的可控流，其他的可控流交由其他SDN转发节点控制，将被SDN节点注入的流捆绑成几个迁移任务，以迁移任务为最小单位，对多虚拟机迁移进行控制。
假设拓扑中所有链路的权重为1，而且对于其中的每个节点，OSPF协议都生成了一个最短路径树。给定一个经过传统转发节点并沿着最短路径路由的流，该流是可控流当且仅当它经过或者起始于某个SDN转发节点，否则该流被称为不可控流。
一个SDN转发节点u注入一个流，当且仅当同时满足如下两个条件：1)节点u在该流的OSPF路由路径上。2)该流在经过所有其他SDN转发节点之前，首先经过节点u。
这些流来源于虚拟机迁移过程，一旦一个虚拟机开始迁移，该虚拟机迁移起点和目标节点之间的路径上就会产生一些相应的流，一个虚拟机迁移完毕意味着对应的流全部传输到达目标节点。
SDN转发节点部署方式不变时，部署的SDN转发节点越多，该拓扑的形式化吞吐率就会变得越大，对流的控制粒度也会变得越细。
其中，增量式部署SDN拓扑的形式化吞吐率是增量式部署SDN拓扑与对应纯SDN拓扑的吞吐率之比，该值介于0到1之间，越接近于1代表其吞吐率越接近于纯SDN拓扑，对流和虚拟机迁移的控制能力也就越强。
本实施例解决了增量式部署SDN环境下多虚拟机实时迁移问题，从一定角度上证明了增量式部署SDN实现SDN部分功能、并作为SDN廉价替代品的可能性。同时，本实施例还考虑了SDN转发节点的部署位置对虚拟机迁移速率的影响。
实施例二
本实施例提供了一种增量式部署SDN环境下实现多虚拟机实时迁移系统，包括：
(1)迁移任务获取模块，其用于将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；
(2)迁移问题模型求解模块，其用于获取迁移任务相关参数，基于原始对偶求解多虚拟机迁移问题模型，得到对应链路上实时可控流大小及该可控流量是否开始传输；
(3)迁移任务更新模块，其用于在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有链路实时可控流大小及该可控流大小是否开始传输；
其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大。
所述多虚拟机迁移问题模型，还包括：任一链路实时带宽不大于该链路上可控流的可用带宽。
所述多虚拟机迁移问题模型，还包括：任一链路的可控流大小不小于0。
具体地：
其中b(e)＝c(e)-g(e)表示链路e上可控流的可用带宽。c(e)为链路容量；g(e)为不可控流量；x(P)表示链路e上的可控流大小，
迁移任务的传输路径集合；E表示链路集合。
具体地，在已知网络拓扑中逐步增加SDN转发节点数量的过程中，根据已知网络拓扑中节点的出入度以及该节点与其他SDN转发节点之间的距离来计算在该处部署SDN转发节点可能性的数值。
一个节点的出入度越大被部署SDN转发节点的可能性越高。一个节点距离其他SDN转发节点的位置越远被部署SDN转发节点的可能性越高。
每个SDN转发节点同时控制被该SDN转发节点注入的可控流，其他的可控流交由其他SDN转发节点控制，将被SDN转发节点注入的流捆绑成几个迁移任务，以迁移任务为最小单位，对多虚拟机迁移进行控制。
本实施例的增量式部署SDN环境下实现多虚拟机实时迁移系统与实施例一的增量式部署SDN环境下实现多虚拟机实时迁移方法相对应，其中，增量式部署SDN环境下实现多虚拟机实时迁移系统的每个模块均与增量式部署SDN环境下实现多虚拟机实时迁移方法中各个步骤具体实施过程相对应，具体如实施例一，此处不再累述。
本实施例将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；基于原始对偶求解多虚拟机迁移问题模型，其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大，在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有迁移路径实时带宽，实现了最小化虚拟机迁移对已知网络拓扑系统性能产生的影响，减少了多虚拟机实时迁移的时间，提高了网络拓扑系统的网络流量的利用率。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的增量式部署SDN环境下实现多虚拟机实时迁移方法中的步骤。
本实施例将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；基于原始对偶求解多虚拟机迁移问题模型，其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大，在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有迁移路径实时带宽，实现了最小化虚拟机迁移对已知网络拓扑系统性能产生的影响，减少了多虚拟机实时迁移的时间，提高了网络拓扑系统的网络流量的利用率。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的增量式部署SDN环境下实现多虚拟机实时迁移方法中的步骤。
本实施例将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；基于原始对偶求解多虚拟机迁移问题模型，其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大，在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有迁移路径实时带宽，实现了最小化虚拟机迁移对已知网络拓扑系统性能产生的影响，减少了多虚拟机实时迁移的时间，提高了网络拓扑系统的网络流量的利用率。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种增量式部署SDN环境下实现多虚拟机实时迁移方法，其特征在于，包括：
将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；
获取迁移任务相关参数，基于原始对偶求解多虚拟机迁移问题模型，得到对应链路上实时可控流大小及该可控流是否开始传输；
在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有链路实时可控流大小及该可控流大小是否开始传输；
其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大；
每当一个迁移任务完成传输，将此时刻新加入的虚拟机迁移任务和未完成的虚拟机迁移任务作为新输入，重复运行求解多虚拟机迁移问题模型的算法；
在已知网络拓扑中逐步增加SDN转发节点数量的过程中，根据已知网络拓扑中节点的出入度以及该节点与其他SDN转发节点之间的距离来计算在该处部署SDN转发节点可能性的数值；
一个节点的出入度越大被部署SDN转发节点的可能性越高；
一个节点距离其他SDN转发节点的位置越远被部署SDN转发节点的可能性越高；
选择出入度最大，且距离其他SDN转发节点的位置最远的节点，部署SDN转发节点。
2.如权利要求1所述的增量式部署SDN环境下实现多虚拟机实时迁移方法，其特征在于，所述多虚拟机迁移问题模型，还包括：任一链路实时带宽不大于该链路上可控流的可用带宽。
3.如权利要求1所述的增量式部署SDN环境下实现多虚拟机实时迁移方法，其特征在于，所述多虚拟机迁移问题模型，还包括：任一链路的可控流大小不小于0。
4.如权利要求1所述的增量式部署SDN环境下实现多虚拟机实时迁移方法，其特征在于，每个SDN转发节点同时控制被该SDN转发节点注入的可控流，其他的可控流交由其他SDN转发节点控制，将被SDN转发节点注入的流捆绑成几个迁移任务，以迁移任务为最小单位，对多虚拟机迁移进行控制。
5.一种增量式部署SDN环境下实现多虚拟机实时迁移系统，其特征在于，包括：
迁移任务获取模块，其用于将相同目标节点并被相同SDN转发节点注入的虚拟机捆绑为一个迁移任务；
迁移问题模型求解模块，其用于获取迁移任务相关参数，基于原始对偶求解多虚拟机迁移问题模型，得到对应链路上实时可控流大小及该可控流是否开始传输；
迁移任务更新模块，其用于在已知网络拓扑中逐步增加SDN转发节点数量，更新迁移任务并继续求解多虚拟机迁移问题模型，直至完成所有迁移任务，得到所有链路实时可控流大小及该可控流大小是否开始传输；
其中，多虚拟机迁移问题模型为已知网络拓扑中所有的可控流之和最大或是分配给可控流的总带宽最大；
每当一个迁移任务完成传输，将此时刻新加入的虚拟机迁移任务和未完成的虚拟机迁移任务作为新输入，重复运行求解多虚拟机迁移问题模型的算法；
在已知网络拓扑中逐步增加SDN转发节点数量的过程中，根据已知网络拓扑中节点的出入度以及该节点与其他SDN转发节点之间的距离来计算在该处部署SDN转发节点可能性的数值；
一个节点的出入度越大被部署SDN转发节点的可能性越高；
一个节点距离其他SDN转发节点的位置越远被部署SDN转发节点的可能性越高；
选择出入度最大，且距离其他SDN转发节点的位置最远的节点，部署SDN转发节点。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的增量式部署SDN环境下实现多虚拟机实时迁移方法中的步骤。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的增量式部署SDN环境下实现多虚拟机实时迁移方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010879713.5A CN112015518B (zh) | 2020-08-27 | 2020-08-27 | 增量式部署sdn环境下实现多虚拟机实时迁移方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010879713.5A CN112015518B (zh) | 2020-08-27 | 2020-08-27 | 增量式部署sdn环境下实现多虚拟机实时迁移方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112015518A CN112015518A (zh) | 2020-12-01 |
| CN112015518B true CN112015518B (zh) | 2022-11-25 |
Family
ID=73502666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010879713.5A Expired - Fee Related CN112015518B (zh) | 2020-08-27 | 2020-08-27 | 增量式部署sdn环境下实现多虚拟机实时迁移方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112015518B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112600827B (zh) * | 2020-12-10 | 2021-10-29 | 中国科学院深圳先进技术研究院 | 基于增量式最小费用最大流的虚拟服务迁移方法及系统 |
| CN112601232B (zh) * | 2020-12-10 | 2022-04-26 | 中国科学院深圳先进技术研究院 | 基于最小费用最大流的负载均衡的多服务迁移方法及系统 |
| CN114035906B (zh) * | 2021-12-13 | 2024-09-13 | 中国电信股份有限公司 | 虚拟机迁移方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104935628A (zh) * | 2015-04-20 | 2015-09-23 | 电子科技大学 | 一种在多个数据中心之间迁移多个关联虚拟机的方法 |
| CN105610715A (zh) * | 2016-03-14 | 2016-05-25 | 山东大学 | 一种基于sdn的云数据中心多虚拟机迁移调度计划方法 |
| CN106681815A (zh) * | 2016-12-27 | 2017-05-17 | 中山大学 | 一种虚拟机并发迁移方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI531908B (zh) * | 2014-04-24 | 2016-05-01 | A method of supporting virtual machine migration with Software Defined Network (SDN) |
-
2020
- 2020-08-27 CN CN202010879713.5A patent/CN112015518B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104935628A (zh) * | 2015-04-20 | 2015-09-23 | 电子科技大学 | 一种在多个数据中心之间迁移多个关联虚拟机的方法 |
| CN105610715A (zh) * | 2016-03-14 | 2016-05-25 | 山东大学 | 一种基于sdn的云数据中心多虚拟机迁移调度计划方法 |
| CN106681815A (zh) * | 2016-12-27 | 2017-05-17 | 中山大学 | 一种虚拟机并发迁移方法 |
Non-Patent Citations (3)
| Title |
|---|
| Live Migration Planning of Virtual Machines in Hybrid SDN;Qin Y et al.;《IEEE International Symposium on Parallel and Distributed Processing with Applications》;20170101;第1161-1163页 * |
| Qin Y et al..Live Migration Planning of Virtual Machines in Hybrid SDN.《IEEE International Symposium on Parallel and Distributed Processing with Applications》.2017,第620-636页. * |
| SDN控制器放置优化技术研究与系统实现;齐月震;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20190815(第08期);第22-23页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112015518A (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107911299B (zh) | 一种基于深度q学习的路由规划方法 | |
| CN112015518B (zh) | 增量式部署sdn环境下实现多虚拟机实时迁移方法及系统 | |
| CN109039942B (zh) | 一种基于深度强化学习的网络负载均衡系统及均衡方法 | |
| US9602415B2 (en) | Flow based network service insertion | |
| CN103870340B (zh) | 流计算系统中的数据处理方法、控制节点及流计算系统 | |
| CN110601973B (zh) | 一种路由规划方法、系统、服务器及存储介质 | |
| JP5900353B2 (ja) | 通信システム、制御装置、通信ノードおよび通信方法 | |
| JP6271039B2 (ja) | ハイブリッドネットワークにおけるパス選択 | |
| CN111211987B (zh) | 网络中流量动态调整方法、系统、电子设备及存储介质 | |
| CN105634974B (zh) | 软件定义网络中的路由确定方法和装置 | |
| CN103119900A (zh) | 通信系统、控制设备、节点控制方法和节点控制程序 | |
| CN105656771B (zh) | 一种业务路径确定方法、装置和系统 | |
| CN105357124B (zh) | 一种MapReduce带宽优化方法 | |
| CN104954270A (zh) | 用于在多包处理器联网系统中聚合硬件路由资源的技术 | |
| CN109379230B (zh) | 一种基于广度优先搜索的服务功能链部署方法 | |
| CN108965141A (zh) | 一种多路径路由树的计算方法及装置 | |
| CN107517155A (zh) | 一种软件定义网络、节点、路径计算方法及装置 | |
| EP3158687A1 (en) | Automated placement of measurement endpoint nodes in a network | |
| CN114938374B (zh) | 跨协议负载均衡方法及系统 | |
| CN111340192A (zh) | 网络路径分配模型训练方法、路径分配方法、以及装置 | |
| CN106789642A (zh) | 一种基于sdn的动态负载均衡方法 | |
| CN105453494B (zh) | 虚拟最短路径树建立及处理的方法及路径计算单元 | |
| CN110417576B (zh) | 混合软件自定义网络的部署方法、装置、设备及存储介质 | |
| WO2024146193A1 (zh) | 一种基于sdn的路由路径选择方法、装置及存储介质 | |
| CN107977310A (zh) | 一种遍历测试命令生成方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221125 |